html - 使用 Html::TreeBuilder::XPath 打印表格内容

Question

我想从一个 html 文件中提取所有表格，并按以下方式打印它们的内容，每个单元格由 \t 分隔，每行由 \n 分隔，每个表由 \n\n 分隔。以下是我的脚本，当我将其更改为 findvalues on tr 时，整个 tr 作为一个元素插入，我什至尝试了其他方法，如 findnodes_as_strings ($path)，我想将其修改为上述结构。

use strict;
use warnings;
use HTML::TreeBuilder::XPath;

my $tree= HTML::TreeBuilder::XPath->new;
$tree->parse_file( "html.html");

my @values=$tree->findvalues(q{//table//tr//td});

print $_, "\n" foreach(@values);

Answer 1

您需要分别处理每个表，对于行也是如此:

foreach my $table ( $tree->findnodes('//table') ) {

    foreach my $row ( $table->findnodes('.//tr') ) {

        my @cells = $row->findvalues('.//td');
        print join("\t", @cells), "\n";
    }
    print "\n";
}

当然这只是针对简单表格的解决方案(想想columnspans、th、table inside table等)